Python实战计划学习笔记(4)网页解析作业

第一周第三节练习项目

总结

  • 使用BeautifulSoup库可以很方便地处理网页
  • 基本套路是用select确定元素位置,get()和get_text()方法提取数据
  • 使用User-Agent和Cookie可以”欺骗“服务器
  • 爬取网页时要注意通过延时来避免暴露身份

任务

(1)爬取小猪短租网站上一条房源信息
(2)爬取小猪短租网站上300条房源信息

任务1代码

from bs4 import BeautifulSoup
import requests
import time

url='http://bj.xiaozhu.com/fangzi/3686435130.html'

web_data = requests.get(url)
soup = BeautifulSoup(web_data.text,'lxml')
titles = soup.select('div.pho_info > h4 > em')
addresses = soup.select('span.pr5')
prices = soup.select('div.day_l')
room_photos = soup.select('div.pho_show_l > div > div:nth-of-type(2) > img')
lord_photos = soup.select('div.member_pic > a > img')
lord_names = soup.select('a.lorder_name')
lord_genders = soup.select('div.js_box.clearfix > div.w_240 > h6 > span')
for title,address,price,room_photo,lord_photo,lord_name,lord_gender in zip(titles,addresses,prices,room_photos,lord_photos,lord_names,lord_genders):
    if lord_gender.get('class')[0] == 'member_girl_ico':
        lord_gender = '美女'
    else:
        lord_gender = '帅哥'
    data = {
        'title':title.get_text(),
        'address':address.get_text().split('\n')[0],
        'price':price.get_text()[1:],
        'room_photo':room_photo.get('src'),
        'lord_photos':lord_photo.get('src'),
        'lord_name':lord_name.get_text(),
        'lord_gender':lord_gender
    }
    print(data)

任务1运行结果

1.jpg

任务2代码

from bs4 import BeautifulSoup
import requests
import time

urls = ['http://bj.xiaozhu.com/search-duanzufang-p{}-0/'.format(str(i)) for i in range(1,14,1)]

def get_page(url):
    link_list=[]
    web_data = requests.get(url)
    soup = BeautifulSoup(web_data.text,'lxml')
    links = soup.select('ul > li > div.result_btm_con.lodgeunitname')
    for link in links:
        link_url = link.get('detailurl')
        #print (link_url)
        link_list.append(link_url)
    return(link_list)

def get_info_from_page(url):
    web_data = requests.get(url)
    soup = BeautifulSoup(web_data.text, 'lxml')
    titles = soup.select('div.pho_info > h4 > em')
    addresses = soup.select('span.pr5')
    prices = soup.select('div.day_l')
    room_photos = soup.select('div.pho_show_l > div > div:nth-of-type(2) > img')
    lord_photos = soup.select('div.member_pic > a > img')
    lord_names = soup.select('a.lorder_name')
    lord_genders = soup.select('div.js_box.clearfix > div.w_240 > h6 > span')
    for title, address, price, room_photo, lord_photo, lord_name, lord_gender in zip(titles, addresses, prices,
                                                                                     room_photos, lord_photos,
                                                                                     lord_names, lord_genders):
        if lord_gender.get('class')[0] == 'member_girl_ico':
            lord_gender = '美女'
        else:
            lord_gender = '帅哥'
        data = {
            'title': title.get_text(),
            'address': address.get_text().split('\n')[0],
            'price': price.get_text()[1:],
            'room_photo': room_photo.get('src'),
            'lord_photos': lord_photo.get('src'),
            'lord_name': lord_name.get_text(),
            'lord_gender': lord_gender
        }
    return(data)


links_to_read=[]
room_info=[]
for single_url in urls:
    links_to_read = links_to_read + get_page(single_url)
    time.sleep(4)

print('共爬取',len(links_to_read),'条房源信息')

for crawl_url in links_to_read:
    room_info.append(get_info_from_page(crawl_url))
    time.sleep(4)

print(room_info)

任务2运行结果

1.jpg
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,386评论 6 479
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,939评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,851评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,953评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,971评论 5 369
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,784评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,126评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,765评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,148评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,744评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,858评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,479评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,080评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,053评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,278评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,245评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,590评论 2 343

推荐阅读更多精彩内容